forecasting相关内容
我想预测时间序列数据.我在以前的帖子中读到,模块 statsmodels 具有使用 ARMA 方法进行预测所需的工具,这正是我一直在寻找的工具.尽管如此,我在预测数据时遇到了麻烦.有人可以解释模型中使用的各种参数和/或提供示例吗? 解决方案 这个问题很笼统,对于背景信息 Rob Hyndman 的链接或任何时间序列分析的教科书都会很有用. Skipper Seabold 在 scip
..
我每个周期工作 30 天(每月),因此我的历史数据集中大约有 2 个周期. R 脚本是, 库(预测)值
..
我已尝试搜索,但找不到此问题的具体答案.到目前为止,我能够意识到使用 SVM 可以进行时间序列预测.我浏览了几篇执行相同但没有提及任何代码的论文/文章,而是解释了算法(我不太明白).有些人使用python完成了它.我的问题是:我有一个公司 2010 年到 2017 年的销售额数据(比如单变量).我需要使用 R 中的 SVM 预测 2018 年的销售额.您能否通过一个小示例简单地介绍和解释 R 代码
..
我有以下 R 代码 库(预测)值
..
我试图向自己解释将 ARIMA 模型应用于时间序列数据集的预测结果.数据来自M1-Competition,系列为MNB65.我正在尝试将数据拟合到 ARIMA(1,0,0) 模型并获得预测.我正在使用 R.以下是一些输出片段: >有马(x,订单= c(1,0,0))系列:x具有非零均值的 ARIMA(1,0,0)调用:arima(x = x, order = c(1, 0, 0))系数:ar1拦
..
我有一些来自传感器的数据,每 12 小时进行一次观察.我想将其分析为时间序列,但我不确定使用什么频率将其转换为时间序列.ts 函数需要一个开始、一个结束和一个频率.ts(data, start = 1, end = numeric(), frequency = 1,...) 我不想将其汇总为每天一次的频率(可能会丢失一些信息).有什么建议吗? 解决方案 ts 类不能很好地处理高频数据
..
我正在尝试将 hts 包中的预测协调方法与以前存在的预测进行比较.forecast.gts 函数对我不可用,因为没有计算上易于处理的方法来创建返回预测对象中的值的用户定义函数.因此,我使用包中的 combinef() 函数来重新分配预测.我已经能够使用正确的 weights 来获得 wls 和 nseries 方法以及 ols 版本是默认值.我能够使用“自下而上"的方法: # 创建样本预测,取自
..
我正在尝试使用预测时间序列数据列表绘制时间序列图的多面网格(理想情况下为 3X3).数据嵌套在一个列表中,属于 Forecast::forecast 类. >类(预测)[1] “名单">类(预测$`1_1`)[1] 《预测》>头(预测,2)$`1_1`点预测 Lo 80 Hi 80 Lo 95 Hi 952016 年 12 月 7.370299 7.335176 7.405422 7.3165
..
我制作了一个简单的时间序列,我在 sin 函数中添加了一点噪音,并尝试使用 R 中的“stl"和“decompose"函数对其进行分解,而我的序列肯定有超过 2 个周期并且是定期,R 给我两个函数的以下错误: x[1] 1.4537365796 2.7185844368 2.8394728999 3.8926989923 4.3405508086 5.1959080871[7] 5.660250
..
使用 forecast 包,我有一个时间序列,我希望 ?auto.arima 自动选择订单,但我想强制季节性.该函数的默认值允许将 seasonal 参数设置为 TRUE,但这仅允许季节性选项而不是强制选项. auto.arima(x, d=NA, D=NA, max.p=5, max.q=5,max.P=2, max.Q=2, max.order=5, max.d=2, max.D=1,开始.
..
我正在尝试使用 2012 年 1 月 16 日至 2013 年 10 月 10 日的每日数据进行一些需求预测.但预测只会返回糟糕的结果.有什么线索吗? 这是数据在图中的样子:存在每周和每月的季节性.即:工作日需求量大,周末需求量少. 这是预测图的外观:黑线是实际数据,蓝线是预测数据. x = ts(data, freq=7, start=c(3,2))适合
..
我正在尝试使用 R 中的 vars 包来学习向量自回归模型.这个包没有任何方法可以测量返回模型的准确性. 具体来说,我想使用 R 中 forecast 包中的 accuracy 函数中定义的 MASE,将使用 VAR 的预测与使用 Arima 模型对每个组件时间的预测进行比较系列(我使用 4 个可能相关的时间序列).accuracy 无法识别 vars 返回的 varest 对象.如何获得每
..
我一直在使用 tensorflow 在 LSTM 上进行时间序列预测.现在,我想尝试序列到序列(seq2seq).在官方网站上有一个教程展示了 NMT with embeddings .那么,如何在没有嵌入的情况下使用这个新的 seq2seq 模块呢?(直接使用时间序列“序列"). # 1. 编码器encoder_cell = tf.contrib.rnn.BasicLSTMCell(LSTM_
..
我正在尝试使用 PCA 来选择好的预测器,以便在 arima 模型的 xreg 参数中使用,以尝试预测 tVar 下面的变量.我只是使用下面的简化数据集和几个变量来简化示例. 我试图了解 princomp 中的公式参数是如何工作的.对于下面的 pc 对象,是不是说“使用 xVar1 和 xVar2 来解释 na.omit(dfData[,c("tVar","xVar1","xVar2")])
..
我尝试使用 holt-winters 模型 进行预测,如下所示,但我不断得到一个与我的预期不一致的预测.我还展示了情节的可视化 Train = Airline[:130]测试 = 航空公司[129:]从 statsmodels.tsa.holtwinters 导入 Holty_hat_avg = Test.copy()fit1 = Holt(np.asarray(Train['Passenger
..
我正在研究一个多变量(100 多个变量)多步(t1 到 t30)预测问题,其中时间序列频率为每 1 分钟一次.该问题需要预测 100 多个变量之一作为目标.我很想知道是否可以使用 FB Prophet 的 Python API 来做到这一点.我能够以单变量方式仅使用目标变量和日期时间变量来完成它.任何帮助和方向表示赞赏.请让我知道是否需要对此问题进行进一步的输入或澄清. 解决方案 您可以使
..
我正在使用 Facebook 发布的名为 Prophet 的新软件包.它进行时间序列预测,我想按组应用此功能. 向下滚动到 R 部分. https://facebookincubator.github.io/prophet/docs/quick_start.html 这是我的尝试: grouped_output = df %>% group_by(group) %>%do(m
..
我进行预测 w=read.csv("C:/Users/admin/Documents/aggrmonth.csv", sep=";",dec=",")w#创建时间序列对象w=ts(w$new,频率 = 12,start=c(2015,1))w#时间图plot.ts(w)#未来几个月的预测图书馆(“预测")m 现在我想获得提前 4 个月的预测.从 01.2017-04.2017.我这知道原始值
..
在我开发了用于样本内分析的小型 ARMAX 预测模型后,我想预测样本外的一些数据. 我用于预测计算的时间序列从 2013 年 1 月 1 日开始,到 2013 年 12 月 31 日结束! 这是我正在处理的数据: hr = np.loadtxt("Data_2013_17.txt")索引=日期范围(开始='2013-1-1',结束='2013-12-31',频率='D')df = p
..
我正在尝试使用 ARMA ARIMA 模型预测每周销售额.我在 statsmodels 中找不到用于调整 order(p,d,q) 的函数.目前 R 有一个函数 forecast::auto.arima() 将调整 (p,d,q) 参数. 如何为我的模型选择正确的订单?python中是否有为此目的可用的库? 解决方案 您可以实现多种方法: ARIMAResults 包括 aic
..